10月31日上午，香港城市大学建筑学及土木工程学系骆晓伟副教授受邀来访清华大学建设管理系，并为第二十四期“李楠研究小组系列学术邀请报告”作了题为“数字时代的建筑安全管理”的学术报告。本次报告由李楠副教授主持，到场嘉宾包括清华大学陈嘉宇副教授、香港城市大学骆晓伟副教授及来自中央财经大学、中国地质大学和南京航空航天大学的数位老师。报告吸引了来自清华大学、同济大学、东南大学等高校的线上线下60余位师生参加。
图1.骆晓伟副教授讲座主题
本次报告主要分为三部分。第一部分骆晓伟副教授介绍了香港城市大学和研究团队的基本情况，第二部分分析了目前建筑业数字化和安全管理的基本现状，第三部分介绍了数字时代建筑安全管理的研究成果。
报告伊始，骆晓伟副教授首先介绍了香港城市大学校区分布情况、学科专业分布情况、师资情况、个人情况及总体研究方向。骆晓伟副教授探讨了百年来建筑行业和工业制造业发展的对比，分析了建筑业的劳动生产率和数字化水平情况，指出了目前建筑业劳动力短缺、劳动生产率较低的主要问题及应对举措，介绍了智能建造的发展现状。继而骆晓伟副教授从多个方面介绍了团队关于数字时代建筑安全管理的研究成果
骆老师介绍了建筑安全管理的主要背景、意义以及针对不安全行为和不安全状态的主要研究内容。在人类数据收集方面，人类的生理数据收集分析是建筑安全管理的有效方法。在脑电方面，骆老师介绍了利用脑电数据收集技术监测工人分神行为的主要研究，在眼动方面，骆老师介绍了通过VR及眼动追踪设备评估工人灾害识别能力的研究成果。
图2. 脑电生理数据收集
图3. 眼动生理数据收集
在应用于建筑安全的室内定位技术方面，iBeacon, UWB，inertial measurement unit等室内定位技术各有优劣，骆老师团队探索了集成多项技术实现有效的高精度室内定位。
图4. 应用与建筑安全管理的室内定位技术
在工人的姿态安全监测方面，目前的监测技术包括基于IMU的穿戴式姿态监测、基于深度相机的姿态检测。骆老师团队将位置信息和姿态信息融合，有效提高了安全管理精度。
在工地安全环境信息监测方面，骆老师团队利用机器视觉实现了安全围栏装备的识别。骆老师改进算法，利用迁移学习，开发了NST-YOLOv5方法，有效提高了在在强光、暗光、灰尘、大雨等极端环境下PPE目标的识别准确度，同时该方法也具有应用于其他公共安全领域的潜力。
骆老师介绍了通过建立知识图谱进行安全知识推理的主要研究。通过整合公共安全知识图谱，构建建筑安全知识图谱并与通用安全知识图谱建立联系，进行安全规则的搜索，实现对工人当前场景的自动安全判定。此外，骆老师还开展了基于视觉的安全监测摄像头优化研究，通过建立信息模型平台，进行摄像头布置方案的可视化，利用遗传算法实现摄像头布置方案的优化。
图5. 集成知识图谱和计算机视觉进行安全管理
基于上述研究，骆老师研究团队取得了一系列集成知识图谱和计算机视觉进行安全管理的成果，同时针对安全推理的成本和设备限制问题，探索利用visual question answering 实现建筑工人行为自动安全规则检查，取得了显著的研究成果。
报告最后，骆老师与参会师生就建筑安全推理、建筑安全图谱等问题展开了深入探讨。此外，骆老师还介绍了内地与香港的学者交流情况。整个报告气氛活跃，持续了近90分钟。
